大數據技術_ 基礎理論 之 大數據商業應用

1 用戶畫像和精準營銷

人在網絡世界中的行爲集合代表了他在網絡世界中的「性格」，這個集合就描述了他的網絡個性和用戶特徵（User
Profile）。從數據擁有者，也就是企業角度來看，他們掌握了所有用戶在網絡世界中「某方面」的行爲習慣，如用戶瀏覽了哪些網頁、搜索了哪些關鍵詞、購買了哪些商品、留下了哪些評價等，企業都會收集彙總。如何將如此龐雜的數據轉換爲商業價值，成爲現在企業越來越關注的問題。面對高質量、多維度的海量數據，如何建立精準的用戶模型就顯得尤爲重要，用戶畫像的概念也就應運而生。

1.1用戶畫像和精準營銷

1.2用戶畫像的價值

1.3用戶畫像構建流程

1.4用戶標籤體系

2 廣告推薦

2.1推薦系統


2.2廣告點擊率及其評估



2.3基於位置的服務和廣告推薦

3 互聯網金融

3.1概述

3.2大數據在互聯網金融的應用方向

3.3機器學習在大數據金融中的作用

4 實戰：個人貸款風險評估

1、實戰目的

本次實驗通過提取貸款用戶相關特徵（年齡、工作、收入等），使用Spark
MLlib構建風險評估模型，使用相關分類算法將用戶分爲不同的風險等級，此分類結果可作爲銀行放貸的參考依據。本次實驗爲方便演示，選用邏輯迴歸算法將用戶風險等級分類兩類：高風險、低風險。有能力的同學可以嘗試使用其他分類算法實現。
2、實驗環境和實驗數據

操作系統：CentOS6.5。
編程語言：Scala 2.10.4。
相關軟件：Hadoop2.6.0、Spark1.6.0。

實驗數據來源：https://www.kaggle.com/

3、實驗過程

4、實驗步驟







5、實驗結果

以上是大數據商業化的常見應用。